已閱讀1頁，還剩45頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、群體智能是研究基于群體行為模型的計算建模和實現(xiàn)的方法.如今,群體智能已經(jīng)成為現(xiàn)代智能領(lǐng)域的主要研究熱點,正日益受到更多人的關(guān)注和使用.隨著大量的、新的、高效的群體行為模型的建立,群體智能的方法將會在更多的實際問題中發(fā)揮它應(yīng)有的價值.
本文系統(tǒng)全面地介紹了群體智能中的兩個典型范例,即粒子群優(yōu)化算法和人工魚群算法.這些方法通過“擬物”和“仿生”,為解決無約束非線性函數(shù)優(yōu)化計算提供了新的方法和途徑.
通過對粒子群算
2、法的各參數(shù)進(jìn)行分析,首先提出了一種改進(jìn)的粒子群算法,該算法針對慣性權(quán)重和兩個學(xué)習(xí)因子進(jìn)行改進(jìn),同時為了增加粒子的多樣性引入了遺傳交叉因子,來提高算法的收斂性能.然后提出一種將改進(jìn)的粒子群算法與Powell算法結(jié)合的混合算法,該混合算法將改進(jìn)的粒子群算法所得結(jié)果作為Powell算法的初始解進(jìn)行局部尋優(yōu),改進(jìn)了粒子群算法后期收斂速度慢、精度不高的缺點.通過對多個函數(shù)進(jìn)行測試,驗證了本文算法在求解無約束非線性函數(shù)優(yōu)化問題時的有效性.
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 求解函數(shù)優(yōu)化的分群粒子群算法研究.pdf
- 基于粒子群優(yōu)化算法求解車輛調(diào)度問題
- 基于粒子群優(yōu)化及其混合算法的多用戶檢測研究.pdf
- 基于粒子群算法的多目標(biāo)函數(shù)優(yōu)化問題研究.pdf
- 求解約束優(yōu)化問題的粒子群算法研究.pdf
- 基于蟻群-粒子群混合算法的電力系統(tǒng)無功優(yōu)化.pdf
- 基于粒子群優(yōu)化算法求解MOS表面勢.pdf
- 基于改進(jìn)魚群與粒子群混合算法的機(jī)組優(yōu)化組合研究.pdf
- 粒子群優(yōu)化算法求解Agent聯(lián)盟.pdf
- 針對函數(shù)優(yōu)化問題的粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 改進(jìn)粒子群優(yōu)化算法求解車輛路徑問題的研究.pdf
- 37935.求解優(yōu)化問題的混合算法及其應(yīng)用
- 基于粒子群遺傳混合算法的配電網(wǎng)重構(gòu)研究.pdf
- 基于DE和EDA混合算法的組合優(yōu)化問題求解方法研究.pdf
- 粒子群與差分進(jìn)化混合算法的研究.pdf
- 基于混合粒子群算法的倉儲系統(tǒng)優(yōu)化研究.pdf
- WMSNs 中人工魚群和粒子群混合算法的覆蓋優(yōu)化研究.pdf
- 粒子群—模擬退火融合算法及其在函數(shù)優(yōu)化中的應(yīng)用.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群算法求解車間調(diào)度問題研究.pdf
評論
0/150
提交評論